读书笔记
yogdgoy
这个作者很懒,什么都没留下…
展开
-
[论文精读翻译]Associative Embedding: End-to-End Learning for Joint Detection and Grouping
关联嵌入:联合检测和分组的端到端学习Alejandro Newell, Zhiao Huang, Jia Deng参考文献https://simochen.github.io/2017/12/25/associative-embedding/摘要本文介绍了一种用于检测和分组任务的监督卷积神经网络方法--联合嵌入associative embedding。以这种方式可...翻译 2019-05-17 14:13:22 · 4196 阅读 · 0 评论 -
HRNet论文笔记
HRNet:Deep High-Resolution Representation Learning for Human Pose Estimation[github](CVPR2019)这是一篇state-of-the-art级别的论文;本文为精读翻译稿,其中也会有些知识点讲解和笔记跳转。原创 2019-05-12 18:20:26 · 10554 阅读 · 4 评论 -
[References]Deep High-Resolution Representation Learning for Human Pose Estimation
[References]Deep High-Resolution Representation Learning for Human Pose Estimation[1] M. Andriluka, U. Iqbal, A. Milan, E. Insafutdinov, L. Pishchulin, J. Gall, and B. Schiele. Posetrack: A bench- ...原创 2019-05-12 20:00:19 · 1450 阅读 · 0 评论 -
OKS指标详解
参考网站http://cocodataset.org/#keypoints-evalhttps://blog.csdn.net/u014734886/article/details/78837961Keypoint Evaluation本篇描述了COCO数据集的 Keypoint估计 的度量方法,提供的估计代码可以用于获得公共验证集的估计结果,但是测试集的真实标注是隐藏的,要想...原创 2019-05-13 11:03:54 · 10336 阅读 · 5 评论 -
[神经网络]计算量GFLOPS和参数量#Params以及感受野计算
FLOPS:floating point operations per second的缩写,意指每秒浮点运算次数,理解为计算速度。衡量硬件性能的指标。FLOPs:floating point operations的缩写(s表复数),意指浮点运算数,理解为计算量。衡量算法/模型的复杂度。假设采用滑动窗实现卷积且忽略非线性计算开销,则卷积核的FLOPs为,其中、和分别为输入特征图(就是输入图...原创 2019-05-13 11:06:23 · 9490 阅读 · 0 评论 -
Numpy笔记
np.spacing(1)==np.finfo(np.float64).eps numpy.spacing(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'spacing'>返回x和最近...原创 2019-06-03 00:31:10 · 3447 阅读 · 0 评论 -
[转载]公钥,私钥和数字签名这样最好理解
一、公钥加密假设一下,我找了两个数字,一个是1,一个是2。我喜欢2这个数字,就保留起来,不告诉你们(私钥),然后我告诉大家,1是我的公钥。我有一个文件,不能让别人看,我就用1加密了。别人找到了这个文件,但是他不知道2就是解密的私钥啊,所以他解不开,只有我可以用数字2,就是我的私钥,来解密。这样我就可以保护数据了。我的好朋友x用我的公钥1加密了字符a,加密后成了b,放在网上。别人偷到了这个文件...转载 2019-04-22 08:14:59 · 110 阅读 · 0 评论 -
《GAN实战生成对抗网络》笔记——第六章 将机器学习带入生产环境
目录:第一章 深度学习概述第二章 无监督学习GAN第三章 图像风格跨域转换第四章 从文本构建逼真的图像第五章 利用多种生成模型生成图像第六章 将机器学习带入生产环境6.1 利用DCGAN构建一个图像矫正系统6.1.1 构建图像矫正系统的关键6.1.2 在生产环境部署模型的挑战6.2 利用容器的微服务架构6.2.1 单体...原创 2018-11-26 16:25:09 · 645 阅读 · 1 评论 -
[读书笔记]精进:如何成为一个很厉害的人
目录01 时间之尺 我们应该怎样对待时间活在“全部的现在” 从当下出发,联结过去与未来 时间是一种宝贵的资源。每个人每天拥有相同的时间,可对待时间的方式却千差万别。而一个人如何对待他的时间,决定了他可以成为什么样的人。向孩子学习“郑重”的态度 郑重是这样一种态度:不敷衍、不迟疑、不摇摆,认真地聚焦于当下的事情,自觉而专注地投入。 郑重是这样一种态度:因恪守本心而知事情轻重缓急,因尽全力无保原创 2017-03-19 13:22:15 · 495 阅读 · 0 评论 -
《GAN实战生成对抗网络》笔记 第二章 无监督学习GAN
目录:第一章 深度学习概述第二章 无监督学习GAN第三章 图像风格跨域转换第四章 从文本构建逼真的图像第五章 利用多种生成模型生成图像第六章 将机器学习带入生产环境2 无监督学习GAN2.1.1 GAN的目的(学习生成模型的理由)生成样本; 训练并不包含最大似然估计; 由于生成器看不到训练数据,过拟合风险更低; GA...原创 2018-11-15 16:59:09 · 5266 阅读 · 1 评论 -
《GAN实战生成对抗网络》笔记 第一章:深度学习概述
目录:第一章 深度学习概述第二章 无监督学习GAN第三章 图像风格跨域转换第四章 从文本构建逼真的图像第五章 利用多种生成模型生成图像第六章 将机器学习带入生产环境1 深度学习概述一点经验:你可以从ReLU函数开始,如果ReLU函数没有提供最优结果,再尝试其他激活函数。1)深度学习往往需要大量时间来处理大量数据,模型的...原创 2018-11-14 14:33:34 · 3740 阅读 · 1 评论 -
《GAN实战生成对抗网络》笔记 第三章 图像风格跨域转换
目录:第一章 深度学习概述第二章 无监督学习GAN第三章 图像风格跨域转换第四章 从文本构建逼真的图像第五章 利用多种生成模型生成图像第六章 将机器学习带入生产环境3.1 弥补监督学习和无监督学习之间的空隙GAN采用监督学习的方法来做无监督学习任务,使用分类判别器监督学习,但最终使用生成器实现了解真实数据分布或密度的预估从而根据学...原创 2018-11-16 16:40:10 · 4673 阅读 · 0 评论 -
《GAN实战生成对抗网络》笔记——第四章 从文本构建逼真的图像
目录:第一章 深度学习概述第二章 无监督学习GAN第三章 图像风格跨域转换第四章 从文本构建逼真的图像第五章 利用多种生成模型生成图像第六章 将机器学习带入生产环境4.1 StackGAN介绍StackGAN:Text to Photo realistic Image Synthesis with Stacked Generati...原创 2018-11-16 17:01:58 · 1183 阅读 · 0 评论 -
人体姿态估计资源大列表(Human Pose Estimation)
基础:Human Pose Estimation人体姿态估计综述调研 人体姿态估计数据集整理(Pose Estimation/Keypoint) 姿态估计的两个数据集COCO和MPII的认识 Human Pose Estimation 101 :https://github.com/cbsudux/Human-Pose-Estimation-101 https://g...原创 2018-11-21 14:51:47 · 5718 阅读 · 0 评论 -
《GAN实战生成对抗网络》笔记——第五章 利用多种生成模型生成图像
目录:第一章 深度学习概述第二章 无监督学习GAN第三章 图像风格跨域转换第四章 从文本构建逼真的图像第五章 利用多种生成模型生成图像第六章 将机器学习带入生产环境5.1 迁移学习介绍深度 | 迁移学习全面概述:从基本概念到相关研究5.1.1 迁移学习的目的应用场景:小数据集 少量的资源5.1.2 多种利用预训练模...原创 2018-11-26 16:11:59 · 635 阅读 · 0 评论